Modelos de Regresión Lineal.

La regresión lineal o ajuste lineal es un modelo matemático usado para aproximar

la relación de dependencia entre una variable dependiente Y, las variables
independientes Xi y un término aleatorio ε. Este modelo puede ser expresado
como:

El modelo lineal relaciona la variable dependiente Y con K variables explícitas Xk

(k = 1,...K), o cualquier transformación de éstas que generen un hiperplano de
parámetros desconocidos:

Donde Ɛ es la perturbación aleatoria que recoge todos aquellos factores de la

realidad no controlables u observables y que por tanto se asocian con el azar, y es
la que confiere al modelo su carácter estocástico. En el caso más sencillo, con una
sola variable explícita, el hiperplano es una recta:

El problema de la regresión consiste en elegir unos valores determinados para los

parámetros desconocidos βk, de modo que la ecuación quede completamente
especificada. Para ello se necesita un conjunto de observaciones. En una
observación i-ésima (i= 1,... I) cualquiera, se registra el comportamiento
simultáneo de la variable dependiente y las variables explícitas (las perturbaciones
aleatorias se suponen no observables).

Los valores escogidos como estimadores de los parámetros βk, son los
coeficientes de regresión sin que se pueda garantizar que coincidan con
parámetros reales del proceso generador. Por tanto, en
Los valores ἐi son por su parte estimaciones o errores de la perturbación aleatoria.

Supuestos del modelo de regresión lineal

Para poder crear un modelo de regresión lineal es necesario que se cumpla con
los siguientes supuestos:
1. Que la relación entre las variables sea lineal.
2. Que los errores en la medición de las variables explicativas sean
independientes entre sí.
3. Que los errores tengan varianza constante. (Homocedasticidad)
4. Que los errores tengan una esperanza matemática igual a cero (los errores
de una misma magnitud y distinto signo son equiprobables).
5. Que el error total sea la suma de todos los errores.
Regresión lineal simple
Sólo se maneja una variable independiente, por lo que sólo cuenta con dos
parámetros. Son de la forma:

Donde es el error asociado a la medición del valor Xi y siguen los supuestos de

modo que (media cero, varianza constante e igual a un
Dado el modelo de regresión simple anterior, si se calcula la
esperanza (valor esperado) del valor Y, se obtiene:

Derivado respecto ha e igualando a cero, se obtiene:

Obteniendo dos ecuaciones denominadas ecuaciones normales que generan la

siguiente solución para ambos parámetros:
La interpretación del parámetro medio es que un incremento en Xi de una
unidad, Yi incrementará en .
Regresión lineal múltiple
La regresión lineal permite trabajar con una variable a nivel de intervalo o razón.
De la misma manera, es posible analizar la relación entre dos o más variables a
través de ecuaciones, lo que se denomina regresión múltiple o regresión lineal
múltiple.
Constantemente en la práctica de la investigación estadística, se encuentran
variables que de alguna manera están relacionadas entre sí, por lo que es posible
que una de las variables pueda relacionarse matemáticamente en función de otra
u otras variables.
Maneja varias variables independientes. Cuenta con varios parámetros. Se
expresan de la forma:

Donde es el error asociado a la medición del valor y siguen los

supuestos de modo que (media cero, varianza constante e igual a un
).